最新AI教程资讯
Cua – 专为 MacOS 推出的开源 AI Agent项目
Cua 是 trycua 团队推出的开源AI Agent项目，为 macOS 用户提供高性能的虚拟化和 AI 代理功能。Cua基于苹果的 Virtualization Framework，支持在 Apple Silicon 上创建运行 macOS 和 Linux 虚拟机，性能接近原生水平（约90%）。
2025-04-21 14:44:28
SWEET-RL – Meta 推出的多轮强化学习框架
SWEET-RL是Meta推出的多轮强化学习框架，专门用在训练大型语言模型（LLM）代理进行协作推理任务。SWEET-R基于训练时的额外信息（如参考解决方案）优化“批评者”模型，模型为每个步骤提供奖励，帮助“行动者”模型更好地分配信用、优化策略。
2025-04-21 14:24:28
OThink-MR1 – OPPO联合港科大推出的多模态语言模型优化框架
OThink-MR1是OPPO研究院和香港科技大学（广州）联合推出的多模态语言模型优化框架。基于动态调整Kullback-Leibler（KL）散度策略（GRPO-D）和奖励模型，提升多模态模型在复杂任务中的泛化推理能力。
2025-04-21 14:04:28
DeepSite – 基于 DeepSeek 开源的 AI 前端开发工具
DeepSite 是基于 DeepSeek-V3 模型的在线开发工具，用户无需配置环境或安装软件，在网页上直接输入需求，快速生成游戏、应用或网页的代码，支持实时预览效果。
2025-04-21 13:44:28
EasyControl Ghibli – 免费生成吉卜力风格图像的 AI 模型
EasyControl Ghibli 是基于 EasyControl 框架开发的 AI 模型，已上线 Hugging Face 平台，专注于将普通图像转换为吉卜力风格的图像。仅用100张亚洲人脸照片及对应的吉卜力风格图像训练而成，能精准捕捉吉卜力作品中柔和的光影、细腻的情感与温暖的色调，同时保留人物面部特征。
2025-04-21 13:24:28
Dolphin – 清华联合海天瑞声推出的语音识别大模型
Dolphin是清华大学电子工程系语音与音频技术实验室联合海天瑞声共同推出的面向东方语言的语音大模型。支持40个东方语种的语音识别，中文语种涵盖22种方言（含普通话），能精准识别不同地区的语言特点。
2025-04-21 13:04:28
WorldScore – 斯坦福大学推出的世界生成模型统一评估基准
WorldScore 是斯坦福大学提出的用于世界生成模型的统一评估基准。将世界生成分解为一系列的下一个场景生成任务，通过明确的基于相机轨迹的布局规范来实现不同方法的统一评估。
2025-04-21 12:44:28
PaperBench – OpenAI 开源的 AI 智能体评测基准
PaperBench是OpenAI开源的AI智能体评测基准，支持评估智能体复现顶级学术论文的能力。PaperBench要求智能体从理解论文内容到编写代码、执行实验，全面展现从理论到实践的自动化能力。PaperBench包含8316个评分节点，基于层次化评分标准，用自动评分系统提高效率。
2025-04-21 12:24:28
DreamActor-M1 – 字节跳动推出的 AI 图像动画框架
DreamActor-M1是字节跳动推出的先进AI图像动画框架，能将静态人物照片转化为生动的动画视频。采用混合引导机制，结合隐式面部表示、3D头部球体和3D身体骨架等控制信号，实现对人物面部表情和身体动作的精准控制。
2025-04-21 12:04:28
Mini DALL·E 3 – 北京理工联合上海 AI Lab等高校推出的交互式文生图框架
Mini DALL·E 3 是北京理工大学、上海AI Lab、清华大学和香港中文大学联合推出的交互式文本到图像（iT2I）框架。基于自然语言与用户进行多轮对话，实现高质量图像的生成、编辑和优化。
2025-04-21 11:44:28
MoCha – Meta 联合滑铁卢大学推出的端到端对话角色视频生成模型
MoCha AI 是 Meta 和滑铁卢大学联合开发的端到端对话角色视频生成模型。能根据文本或语音输入生成带有同步语音和自然动作的完整角色动画。MoCha 采用语音-视频窗口注意力机制，解决了视频压缩时音频分辨率不匹配以及唇部动作错位的问题。
2025-04-21 11:24:28
DeepSeek-GRM – DeepSeek 联合清华推出的通用奖励模型
DeepSeek-GRM是DeepSeek和清华大学研究者共同提出的通用奖励模型（Generalist Reward Modeling）。通过点式生成式奖励建模（Pointwise Generative Reward Modeling, GRM）和自我原则点评调优（Self-Principled Critique Tuning, SPCT）等技术，显著提升了奖励模型的质量和推理时的可扩展性。
2025-04-21 11:04:28
OlympicArena – 上海交大联合 AI Lab 等推出的多学科认知推理基准测试框架
OlympicArena是上海交通大学、上海AI Lab、苏州大学和上海交通大学生成式人工智能实验室（GAIR Lab）联合推出的多学科认知推理基准测试框架。OlympicArena包含11,163道来自国际奥林匹克竞赛的双语题目，涵盖数学、物理、化学、生物、地理、天文学和计算机科学等7大领域。
2025-04-21 10:44:28
AbletonMCP – AI音乐制作工具，基于MCP支持音轨创建与修改
AbletonMCP 是开源项目，基于模型上下文协议（MCP） 将 Ableton Live 与 Claude AI 连接，实现 AI 辅助音乐制作。AbletonMCP 基于双向通信，支持用户基于 Claude AI 创建、修改 MIDI 和音频轨道，选择乐器与效果，编辑 MIDI 片段，及控制播放和会话。
2025-04-21 10:24:28
BabelDOC – 开源 AI PDF 翻译工具，专为科学论文翻译设计
BabelDOC 是开源的智能 PDF 翻译工具，专为科学论文翻译设计。能在原文旁生成翻译文本，形成双语对照，无需切换窗口，方便阅读。能完整保留数学公式、表格和图形，不破坏原文布局。
2025-04-21 10:04:28
Llama 4 – Meta 开源的多模态系列AI模型，重夺开源王座
Llama 4 是 Meta 开源的多模态系列AI模型。首次采用混合专家（MoE）架构，在训练和推理时计算效率更高。Llama 4 目前有 Scout 和 Maverick 两个版本。Scout 有 170 亿个活跃参数、16 个 “专家” 模型、1090 亿个总参数，支持 1000 万上下文，可处理 20 多小时视频，在单个 H100 GPU 上就能运行，性能超越 Gemma 3 等模型。
2025-04-21 09:44:28
OmniTalker – 阿里推出的实时文本驱动说话头像生成框架
OmniTalker 是阿里巴巴发布的实时文本驱动的说话头像生成技术，能同时处理文本、图像、音频和视频等多种模态输入，以流式方式生成自然语音响应。核心架构为 Thinker-Talker 架构，Thinker 负责处理多模态输入并生成语义表征和文本内容，Talker 将这些信息转化为流畅的语音输出。
2025-04-21 09:24:28
Seedream 3.0 – 字节推出的 AI 图片生成模型，精准生成复杂中文内容
Seedream 3 0（即梦3 0）是字节跳动推出的AI图片生成模型，在中文文字生成和设计感方面表现出色，解决小字生成的稳定性问题，能精准生成复杂的中文内容，提供丰富的字体设计效果。Seedream 3 0图像质量最高可达2K分辨率，生成速度快且稳定。
2025-04-21 09:04:28
Quasar Alpha – 支持百万 token 上下文的免费 AI 模型
Quasar Alpha 是支持 100 万 token 的超大上下文窗口的预发布版 AI 模型，可处理超长文本和复杂文档。代码生成能力出色，生成速度快，延迟低，指令遵循能力强，支持联网功能和多模态功能，安全性也有所增强。
2025-04-20 15:47:06
OmniCam – 浙大联合上海交大等高校推出的多模态视频生成框架
OmniCam 是先进的多模态视频生成框架，通过摄像机控制实现高质量的视频生成。支持多种输入模态组合，用户可以提供文本描述、视频中的轨迹或图像作为参考，精确控制摄像机的运动轨迹。
2025-04-20 15:27:06
人气排行
24小时排行
